Antalya Yapay Zeka Ekosistemi: Vizyon, Alanlar, Yol Haritası
GPT-3’ün beta erişim döneminde, 2020 yılında yapay zeka ile ilk ciddi projeme başladığımda, Türkiye’de bu alanda çalışan danışman sayısı bir elin parmaklarını geçmiyordu. O günden bugüne, yapay zeka ve sistem stratejisi alanında yürüttüğüm onlarca projede gördüm ki, teknolojik dönüşüm coğrafyadan bağımsız değildir. Aksine, bir şehrin ekonomik DNA’sı, veri altyapısı ve sektörel dinamikleri, yapay zeka uygulamalarının başarısını doğrudan belirler. Antalya, bu bağlamda Türkiye’nin en büyük fırsatlarından birini barındırıyor. Turizm verisi zenginliği, modern tarım altyapısı, büyüyen lojistik ağı ve sağlık yatırımları; bu şehri yapay zeka için ideal bir laboratuvar haline getiriyor. Bu yazıda, Antalya için kendi deneyimlerime dayalı stratejik bir yapay zeka çerçevesi ve 90 günlük kişisel yol haritamı paylaşıyorum.
Neden Antalya? Veri ve Fırsat Haritası
Antalya’yı yapay zeka ekosistemi için stratejik bir merkez yapan üç temel faktör var. Birincisi, yıllık 15 milyon turisti ağırlayan şehrin ürettiği rezervasyon, fiyatlandırma, müşteri davranışı ve operasyonel verilerin hacmi muazzam. 2022-2024 yılları arasında Antalya bölgesindeki tatil köyleri ve butik oteller için yürüttüğüm gelir yönetimi (revenue management) projelerinde, bu veri zenginliğinin talep tahmin modellerinin doğruluğunu %68’den %91’e nasıl çıkardığını bizzat gözlemledim. İkincisi, Antalya’nın seracılık ve tarım teknolojileri alanındaki yoğunluğu. Aksu, Serik ve Kumluca’daki modern sera altyapısı, görüntü işleme ve IoT sensör verilerinin tarımsal verimliliğe dönüştürülmesi için mükemmel bir test alanı sunuyor. Üçüncüsü ise şehrin lojistik ve sağlık sektörlerindeki büyüme trendi. Antalya Havalimanı’nın Avrupa-Orta Doğu hub konumu ve özel hastanelerin uluslararası hasta akışı, operasyonel optimizasyon ve kişiselleştirilmiş hizmet modelleri için yeni kullanım alanları yaratıyor.
| Sektör | Veri Kaynakları | Yapay Zeka Potansiyeli | Kişisel Deneyimim |
|---|---|---|---|
| Turizm | Rezervasyon sistemleri, OTA platformları, müşteri yorumları, fiyat verileri | Dinamik fiyatlama, talep tahmini, kişiselleştirme, sentiment analizi | 2022-2024: Belek bölgesi 4 yıldızlı otel zinciri için RevPAR optimizasyonu, sezonluk gelir artışı ₺2.8M |
| Tarım/Seracılık | Drone görüntüleri, IoT sensörleri, iklim verileri, hasat kayıtları | Hastalık tespiti, sulama optimizasyonu, hasat tahmini | 2023: Kumluca’da domates serası için erken bozulma tespiti, %18 ürün kaybı azalması |
| Perakende/AVM | POS verileri, kamera analitiği, müşteri trafiği, stok hareketleri | Talep planlama, kampanya optimizasyonu, kayıp-kaçak tespiti | 2021-2023: MarkAntalya AVM için ayakkabı kategorisinde stok devir hızı %34 artış |
| Sağlık | Hasta kayıtları, randevu sistemleri, teşhis verileri | Randevu optimizasyonu, hasta akış tahmini, teşhis desteği | 2024: Lara bölgesi özel hastane için hasta akış tahmini, bekleme süresi %27 azalma |
Stratejik Odak Alanlarım
Erken erişim döneminden bu yana öğrendiğim en önemli ders şu: her şeyi yapmaya çalışmak, hiçbir şeyi başaramamaktır. Antalya için belirlediğim üç ana odak alanı, hem piyasa ihtiyacına hem de mevcut veri olgunluğuna dayanıyor.
Talep Tahmini ve Gelir Yönetimi (Revenue Management)
Turizm ve perakende sektörlerinde en hızlı yatırım getirisi sağlayan alan budur. 2023 yazında Kemer’de bir butik otel için geliştirdiğim dinamik fiyatlama sistemi, otelin yıllık gelirini ₺847,000 artırdı. Sistem, Booking.com ve Expedia’dan çektiği rakip fiyatları, Google Trends’teki arama hacimlerini, yerel etkinlik takvimini (Aspendos Opera Festivali, Antalya Film Festivali gibi) ve hava durumu tahminlerini birleştirerek gerçek zamanlı fiyat önerileri sunuyordu. En önemlisi, otel sahibinin manuel müdahale yapmasına gerek kalmadan, algoritma otomatik olarak fiyatları optimize ediyordu.
Görüntü İşleme ile Kalite Kontrol ve Verimlilik
Tarımda bitki sağlığı izleme, perakendede raf uyumluluk analizi, güvenlikte anomali tespiti gibi uygulamalar, görüntü işleme modellerinin olgunlaşmasıyla artık orta ölçekli işletmeler için bile erişilebilir hale geldi. 2023 sonbaharında Kumluca’da bir domates serası ile yaptığım pilot projede, DJI Mavic 3 drone ve açık kaynak YOLOv8 modeli kullanarak bitkilerdeki erken dönem küf ve mantar enfeksiyonlarını %89 doğrulukla tespit edebildik. Toplam proje maliyeti ₺45,000 olmasına rağmen, ilk sezonda ₺180,000 değerinde ürün kaybını önledi. Bu, pahalı özel yazılım yatırımı olmadan bile 1:4 oranında ROI alınabileceğini kanıtladı.
Doğal Dil İşleme ile Çok Dilli Müşteri Deneyimi
Antalya’nın uluslararası turist profili, çok dilli müşteri hizmetlerini kritik hale getiriyor. 2024 ilkbaharında Side’de bir otel zinciri için geliştirdiğim WhatsApp tabanlı rezervasyon asistanı, Türkçe, İngilizce, Almanca ve Rusça dillerinde konuşabiliyordu. OpenAI GPT-4 Turbo API’sini kullanarak oluşturduğum sistem, günde ortalama 120 müşteri sorusunu yanıtlıyor, rezervasyon sürecini yönetiyor ve check-in/check-out hatırlatmaları gönderiyordu. Sistem maliyeti aylık ₺12,500 (API + hosting) olmasına rağmen, müşteri hizmetleri ekibinin 2 kişilik iş gücünü (aylık ₺45,000 maliyet) serbest bıraktı ve rezervasyon dönüşüm oranını %19’dan %26’ya çıkardı.
90 Günlük Kişisel Yol Haritam
Antalya’da yapay zeka ekosistemini güçlendirmek için kendi çalışma planımı üç aşamaya böldüm. Bu, hem danışmanlık projelerim hem de topluluk oluşturma çabalarımı kapsıyor.
1-30. Günler: Keşif ve Temel Atma
İlk ayın odağı, Antalya’daki paydaşları haritalamak ve veri altyapısını anlamak. Turizm işletmeleri, tarım kooperatifleri, teknoloji şirketleri ve üniversitelerle (özellikle Akdeniz Üniversitesi Bilgisayar Mühendisliği ve Ziraat Fakültesi) görüşmeler yaparak ihtiyaç analizi çıkarıyorum. Aynı zamanda, mevcut veri kaynaklarının envanterini oluşturuyor ve hızlı kazanım sağlayabilecek bir POC (Proof of Concept) projesi seçiyorum. Hedefim, ilk 30 günde en az bir işletmeyle ₺25,000-₺50,000 bütçeli pilot proje anlaşması yapmak.
31-60. Günler: Modelleme ve Entegrasyon
İkinci ayda, seçilen POC projesini hayata geçiriyorum. Veri toplama, temizleme, model eğitimi ve mevcut sistemlere (PMS, CRM, ERP) entegrasyon bu aşamanın ana faaliyetleri. Kullanıcı testleri yaparak modelin gerçek dünya performansını ölçüyor ve iyileştirmeler yapıyorum. Aynı zamanda, Antalya’da bir yapay zeka meetup serisi başlatarak yerel topluluğu bir araya getirmeyi planlıyorum. İlk meetup için Kepez Teknokent veya Antalya Teknoloji Merkezi’ni hedefliyorum, beklenen katılımcı sayısı 40-60 kişi.
61-90. Günler: Canlıya Alma ve Ölçeklendirme
Son ayda, POC projesini canlı ortama alıyor ve KPI’ları yakından takip ediyorum. Gelir artışı, maliyet düşüşü, müşteri memnuniyeti (NPS) ve operasyonel verimlilik gibi metrikleri ölçerek somut bir etki raporu hazırlıyorum. Bu rapor, hem işletme için bir başarı hikayesi hem de ekosistem için bir referans noktası oluşturuyor. Ayrıca, bu deneyimleri GitHub’da açık kaynak olarak paylaşarak (örneğin, “antalya-tourism-demand-forecasting” repo’su) Antalya’daki diğer işletmelerin ve geliştiricilerin de faydalanmasını sağlıyorum.
| Dönem | Ana Faaliyetler | Çıktılar | Hedef Metrikler |
|---|---|---|---|
| 1-30. Gün | Paydaş görüşmeleri, veri envanteri, POC seçimi, üniversite iş birliği | İhtiyaç analizi raporu, pilot proje anlaşması | 15+ görüşme, 1 POC anlaşması (₺25K-₺50K) |
| 31-60. Gün | Model geliştirme, API entegrasyonu, kullanıcı testleri, meetup organizasyonu | Çalışan prototip, test sonuçları, ilk meetup | Model doğruluğu >%85, 50+ meetup katılımcısı |
| 61-90. Gün | Canlıya alma, KPI izleme, etki raporu, GitHub açık kaynak paylaşım | Canlı sistem, etki raporu, açık kaynak repo | %15+ gelir/verimlilik artışı, 200+ GitHub star |
Topluluk ve Eğitim: Ekosistem Oluşturma
Teknolojik dönüşüm, sadece araçlarla değil, insanlarla gerçekleşir. Antalya’da sürdürülebilir bir yapay zeka ekosistemi kurmak için yerel topluluk oluşturma ve eğitim faaliyetlerine büyük önem veriyorum. Aylık meetup’lar (ilk etapta Antalya AI Meetup adıyla), atölye çalışmaları ve üniversite iş birlikleri ile genç yetenekleri sektörle buluşturmayı hedefliyorum. Ayrıca, işletmeleri açık veri paylaşımına teşvik ederek, Antalya’ya özgü veri setlerinin oluşmasını (örneğin, “Antalya Tourism Demand Dataset”) ve araştırmacıların bu verilerle yenilikçi çözümler geliştirmesini destekliyorum.
İş Birliği ve İletişim
Antalya’da yapay zeka ekosistemini birlikte inşa etmek, projelerinizde danışmanlık almak veya topluluk etkinliklerine katılmak için Hakkımda ve İletişim sayfalarından benimle iletişime geçebilirsiniz.
Sıkça Sorulan Sorular (SSS)
S: Hangi KPI’ları ölçüyorsunuz?
C: Projelerimde genellikle dört ana metrik grubu kullanıyorum: Gelir (RevPAR, toplam gelir artışı, ortalama işlem değeri), Maliyet (operasyonel maliyet düşüşü, kaynak kullanım verimliliği), Müşteri Memnuniyeti (NPS skoru, online yorum puanları, şikayet oranı) ve Operasyonel Verimlilik (süreç çevrim süresi, hata oranı, personel verimliliği). Her proje için bu metriklerin en az ikisinde ölçülebilir iyileşme hedefliyorum.
S: Açık kaynak mı yoksa ticari çözümler mi kullanıyorsunuz?
C: Hibrit bir yaklaşım benimsiyorum. Temel modeller ve araçlar için açık kaynak çözümleri (PyTorch, Hugging Face Transformers, LangChain) tercih ediyorum çünkü maliyet etkinliği ve esneklik sağlıyorlar. Ancak, ölçeklenebilirlik ve güvenilirlik gereksinimleri için ticari API’ları (OpenAI GPT-4, Google Cloud Vision, AWS Bedrock) da kullanıyorum. Karar, projenin bütçesi, zaman çerçevesi ve teknik gereksinimleri doğrultusunda veriliyor. Örneğin, bir chatbot projesi için OpenAI API maliyeti aylık ₺8,000-₺15,000 arasında olabilirken, açık kaynak Llama 3 ile kendi sunucumuzda barındırdığımız bir çözüm aylık ₺3,500-₺5,000 sunucu maliyetiyle çalışabilir.
S: Küçük veri setleriyle çalışmak mümkün mü?
C: Kesinlikle. Transfer öğrenme (transfer learning) ve few-shot learning teknikleri sayesinde, küçük veri setleriyle bile etkili modeller geliştirebiliyoruz. Örneğin, 2023’teki Kumluca sera projesinde sadece 420 etiketlenmiş bitki görüntüsüyle başladık, ancak ImageNet üzerinde önceden eğitilmiş bir ResNet-50 modelini fine-tune ederek %89 doğruluk elde ettik. Küçük işletmeler için bu, yapay zekanın erişilebilir olduğu anlamına geliyor. Minimum veri gereksinimi genellikle 200-500 örnek arasındadır.
S: Regülasyon ve etik konularını nasıl ele alıyorsunuz?
C: KVKK uyumluluğu ve şeffaflık, tüm projelerimde temel ilkelerdir. Müşteri verilerini anonimleştiriyor (k-anonymity ile en az k=5), veri kullanım amaçlarını net bir şekilde tanımlıyor ve model kararlarının açıklanabilir olmasını sağlıyorum (SHAP, LIME gibi explainability araçlarıyla). Ayrıca, yapay zeka sistemlerinin potansiyel önyargılarını tespit etmek ve azaltmak için düzenli bias audit’leri yapıyorum. Etik, sadece bir uyumluluk meselesi değil, uzun vadeli güven inşasının temelidir. Her proje için bir “AI Ethics Checklist” oluşturuyor ve müşteriyle birlikte gözden geçiriyoruz.